ubuntu 18.04 Nvidia驱动安装 + CUDA+cuDNN （根据网上资料整理，并亲测）

Nvidia驱动安装

转载 https://blog.csdn.net/stories_untold/article/details/78521925

一、查看显卡信息

$ lspci | grep VGA

二、下载驱动程序： http://www.nvidia.cn/Download/index.aspx 好比个人是 gtx1050ti

下载完以后是一个名称为 NVIDIA-Linux-x86_64-xxx.xx.run 的文件。

三、 删除原有驱动

$ sudo apt-get remove --purge nvidia*

四、禁用nouveau驱动：

编辑 /etc/modprobe.d/blacklist-nouveau.conf 文件，添加如下内容：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

而后保存。 关闭nouveau：

$ echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

五、 重启：

$ update-initramfs -u
$ sudo reboot

六、获取Kernel source（很是重要）：

$ sudo apt install linux-source
$ sudo apt install linux-headers-x.x.x-x-generic

图中红色部分中的版本号就是第二步中x.x.x-x须要替换的部分。

七、安装Nvidia驱动

$ sudo sh ./NVIDIA-Linux-x86_64-xxx.xx.run

这里要着重说一下 网上的教程都是先把gcc和g++的版本先替换掉了，我发现直接用sudo apt install nvidia-340装上驱动仍是挂载不了，因此推荐直接卸载了直接重装。 这里编译驱动须要gcc7版本， 因此用4.8版本的话会报错。因此先不用替换，而且用 gcc -v 检查一下是否安装，版本是不是7版本

是否卸载原有驱动安装新驱动 -> 是

大概意思是没有获取到预安装脚本（猜的），是否继续 -> 是

尝试翻译了一下，翻译处理我看不懂 -> 否

后面还有一个问你是否安装32位的， -> 否

Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. -> 是

八、挂载Nvidia驱动：

$ modprobe nvidia

九、检查驱动是否安装成功：

$ nvidia-smi

安装 CUDA

一部分转载 http://www.javashuo.com/article/p-vpkmawbf-ga.html

一、下载cuda

https://developer.nvidia.com/cuda-toolkit-archive

深绿色的所有选中，下面的内容所有下载， 后面的主要是补丁文件 另外有人纠结版本问题， 说网上各类教程都是好多版本的， 我装最新的版本会不会有什么问题？ 我我的的见解是，只要官方出补丁了，就直接上手用，基本上不会有什么问题。 可是好比像python这种极度依赖包的语言的话，就不能直接上最新，通常上最新的版本减一个小版本就好了。 好比如今最新的3.7 不少包不能兼容， 可是我用3.6.6就不会有问题

二、下载cuDNN

https://developer.nvidia.com/rdp/cudnn-archive 这个要注意一下， 要下载明确说明可以兼容下载的cuda的版本 好比个人是9.2 那么我就要下载对应的最新的版本

注意： 这个须要登录以后才能下载

三、gcc降级

$ sudo apt-get install gcc-4.8
$ sudo apt-get install g++-4.8

$ cd /usr/bin
$ sudo mv gcc gcc.bak #备份
$ sudo ln -s gcc-4.8 gcc # 从新链接

$ sudo mv g++ g++.bak
$ sudo ln -s g++-4.8 g++

查看版本号

$ gcc -v 
$ g++ -v

均显示gcc version 4.8 ，说明gcc 4.8安装成功。

四、安装cuda ,及其补丁

$ sudo bash cuda_9.2.148_396.37_linux.run

这里有一个小技巧， 它会出现一个协议，而后按回车键才能不断的往下面走。刚开始的时候，由于驱动配置得不会， 拖了十屡次，每次都至少半分钟， 着实把我给恶心着了。 后面无心中发现一个直接关的办法， 就是直接按 ctrl+c 这里面在询问是否安装驱动的时候选否，其余的都选y或者回车就能够

后面继续安装补丁

$ sudo bash cuda_9.2.148.1_linux.run

安装完毕以后，将如下两条加入.barshrc文件中.注意，须要把cuda-9.2替换成安装的版本号

export PATH=/usr/local/cuda-9.2/bin${PATH:+:${PATH}}   
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRA$

五、安装cuDNN

这个简单，直接解压以后复制到对应的包就行

$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include      注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安装 Anaconda 并 安装tensorflow-gpu+keras-gpu及Gpu vs Cpu验证

转载 http://www.javashuo.com/article/p-tnhqogqw-ns.html

一、下载Anaconda

https://www.anaconda.com/download/ 这里有两个版本选择， 取决于项目版本，这个开始搜这份资料的都是老司机， 我就不细说了

二、安装

bash Anaconda3-4.2.0-Linux-x86_64.sh

这里我忘了截图了， 网上详细安装的教程不少，去搜索一下就好了 http://www.javashuo.com/article/p-rfllkfga-hx.html

三、添加清华镜像 安装好以后添加一下国内源

$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$ conda config --set show_channel_urls yes

四、建立虚拟环境

conda create -n tensorflow-gpu python=3.6
source activate tensorflow-gpu #（linux下+source， windows下无需+source）

五、安装包

conda install tensorflow-gpu
conda install keras-gpu

必定要加上-gpu，不然系统会默认成cpu

六、 验证

将下面代码保存到一个py文件中

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

当执行的结果图示位置位GPU的时候， 那么环境就所有搭建完成了